/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO-Plus_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный чекпойнт pi0.5 с сокращённой и восстановительно дообученной языковой частью для управления роботом в LIBERO-Plus.

0скачиваний за 30 дней0лайковвеса обновлены10 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

VLADrop-pi05-LIBERO-Plus-Drop9Block-GateProbe — чекпойнт модели vision-language-action для управления роботизированными действиями в среде LIBERO-Plus. Он подготовлен для исследования Drop-Then-Recovery: из предварительно обученной pi0.5 удалили 9 из 18 слоёв языковой части PaliGemma по результатам профилирования GateProbe, а затем дообучили сокращённую модель для восстановления качества. Визуальная и action-части оставлены без изменений.

Модель обучалась на LIBERO-Plus в течение 30 000 шагов с размером батча 32 и скоростью обучения 5e-5. Чекпойнт в формате openpi для PyTorch; для запуска требуется форк VLADrop. Лицензия — Apache-2.0. Карточка описывает экспериментальный вариант модели, предназначенный для задач робототехники и изучения сокращения VLA-моделей.

Сценарии применения

  • управление роботом в задачах LIBERO-Plus
  • оценка удаления трансформерных блоков из VLA-модели
  • исследование восстановления качества после сокращения модели

Ограничения

Чекпойнт рассчитан на запуск через форк VLADrop и совместимый формат openpi для PyTorch. README не приводит количественных результатов качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-Plus-drop9-gate

Checkpoint for Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?.

DTR (Drop-Then-Recovery) removes transformer blocks from a pretrained VLA model and recovery-fine-tunes the smaller dense model. Code: https://github.com/s1ghhh/VLADrop

This checkpoint

Paper rowTable 6: pi0.5 / LIBERO-Plus Drop-9
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks by GateProbe (LIBERO-Plus profiling); keep [0,1,3,4,5,6,7,8,9]. Vision and action untouched.
Recovery trainingLIBERO-Plus, batch size 32, 30K steps, lr 5e-5
LIBERO-Plus success rateAverage 77.6

Usage

This is an openpi-format pi0.5 checkpoint (PyTorch). Use with the VLADrop fork: https://github.com/s1ghhh/VLADrop

python scripts/serve_policy_batch_drop.py \
    --config pi05_libero_dropped \
    --dir <this_repo_local_path> \
    --port 8000

Important: the drop lists are NOT stored inside the checkpoint. Pass the exact llm_drop_attn_list / llm_drop_mlp_list shown above (via config or CLI) when serving, otherwise layers will be mismatched. assets/ contains the LIBERO norm stats. The optimizer state (train_state/) is not included.

Citation

@article{sun2026vladrop,
  title={Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?},
  author={Sun, Guoheng and Feng, Kaixi and He, Shwai and Gong, Xiaochuan and He, Yexiao and Wang, Ziyao and Shen, Zheyu and Ye, Wanghao and Kompella, Ramana Rao and Liu, Gaowen and Li, Ang},
  journal={arXiv preprint arXiv:2606.27755},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
5760f99

0 моделей